论文部分内容阅读
番茄黄化曲叶病毒病是一种传播范围广,具有爆发性和毁灭性的病害。对我国的番茄种植造成了严重影响。本研究利用计算机视觉技术对感染黄化曲叶病毒病的番茄叶片进行分析,旨在发现感染该病叶片的数字图像中的特征差异,并依此为基础构建一个可以有效识别番茄黄化曲叶病毒病的计算机视觉检测系统。 研究发现,感病叶片在色彩和纹理上都与正常叶片表现出了极为明显的差异,可将这些差异以特征参数值的方式表示。在对色彩进行的分析中,分别比较了RGB颜色空间、HIS颜色空间和YCbCr三个颜色空间下的9种特征参数,发现其中B、H、S和Cb值在感病叶片与正常叶片间都存在着明显的差异。为了表征颜色参数对应的叶片理化性质上的差异,对叶片的叶绿素含量进行了分析,并与上面三个颜色空间中的各参数进行了相关性检验。检验结果显示,可明显表征正常叶片与感病叶片特征值的B、H、S和Cb与叶绿素含量保持着较高的相关性。通过对各个参数与叶绿素含量的回归分析,建立了一个可用于评估叶绿素含量的颜色参数模型。在纹理分析中,利用MATLAB实现了灰度共生矩阵算法用于对叶片图像进行纹理分析。分析发现,用于比较的四种纹理参数——能量(ASM)、熵(ENT)、惯性矩(CON)和自相关(CORRLN)都在正常叶片和发病叶片间表现出了明显的差异。 利用以上各特征参数以及叶绿素含量模型,最终构建了番茄黄化曲叶病毒病的计算机视觉识别模型,并利用VB语言建立了番茄黄化曲叶病毒病快速检测系统,识别率达到了85%以上。实现了番茄黄化曲叶病毒病的快速诊断。